convolutional neural network

  • ХабрахабрФото Джедайская техника уменьшения сверточных сетей — pruning

    Джедайская техника уменьшения сверточных сетей — pruning

    Приоритет — скорость работы при приемлемой точности. Перед тобой снова задача детектирования объектов. Точность(mAp75) больше 0. Берешь архитектуру YOLOv3 и дообучаешь. Но скорость прогона всё еще низкая. 95. Черт. А под катом рассмотрим Model Pruning — обрезание избыточных частей сети для ускорения Inference без потери точности. Сегодня обойдём стороной квантизацию. Разберем, как сделать это вручную и где можно автоматизировать. Наглядно…

    Читать далее »
  • ХабрахабрФото [Перевод] Распознавание эмоций с помощью сверточной нейронной сети

    [Перевод] Распознавание эмоций с помощью сверточной нейронной сети

    Распознавание эмоций всегда было захватывающей задачей для ученых. В последнее время я работаю над экспериментальным SER-проектом (Speech Emotion Recognition), чтобы понять потенциал этой технологии – для этого я отобрал наиболее популярные репозитории на Github и сделал их основой моего проекта. Прежде чем мы начнем разбираться в проекте, неплохо будет вспомнить, какие узкие места есть у SER. Главные препятствия эмоции субъективны,…

    Читать далее »
  • ХабрахабрФото Применение сверточных нейронных сетей для задач NLP

    Применение сверточных нейронных сетей для задач NLP

    Когда мы слышим о сверточных нейронных сетях (CNN), мы обычно думаем о компьютерном зрении. CNN лежали в основе прорывов в классификации изображений — знаменитый AlexNet, победитель соревнования ImageNet в 2012 году, с которого начался бум интереса к этой теме. С тех пор сверточные сети достигли большого успеха в распознавании изображений, в силу того факта, что они устроены наподобие зрительной коры…

    Читать далее »


Кнопка «Наверх»